<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>多模态 :: 标签 :: x7peeps</title><link>https://blog.x7peeps.com/tags/%E5%A4%9A%E6%A8%A1%E6%80%81/index.html</link><description/><generator>Hugo</generator><language>zh-CN</language><lastBuildDate>Fri, 30 Oct 2026 14:47:30 +0800</lastBuildDate><atom:link href="https://blog.x7peeps.com/tags/%E5%A4%9A%E6%A8%A1%E6%80%81/index.xml" rel="self" type="application/rss+xml"/><item><title>Qwen-MM-Plugins 到底怎么样：把多模态能力插进 Hermes 的完整实测</title><link>https://blog.x7peeps.com/AI/03-Agent%E6%9E%B6%E6%9E%84%E4%B8%8E%E6%A1%86%E6%9E%B6%E7%94%9F%E6%80%81/Qwen-MM-Plugins%E5%88%B0%E5%BA%95%E6%80%8E%E4%B9%88%E6%A0%B7%E6%8A%8A%E5%A4%9A%E6%A8%A1%E6%80%81%E8%83%BD%E5%8A%9B%E6%8F%92%E8%BF%9BHermes%E7%9A%84%E5%AE%8C%E6%95%B4%E5%AE%9E%E6%B5%8B/index.html</link><pubDate>Fri, 30 Oct 2026 14:47:30 +0800</pubDate><guid>https://blog.x7peeps.com/AI/03-Agent%E6%9E%B6%E6%9E%84%E4%B8%8E%E6%A1%86%E6%9E%B6%E7%94%9F%E6%80%81/Qwen-MM-Plugins%E5%88%B0%E5%BA%95%E6%80%8E%E4%B9%88%E6%A0%B7%E6%8A%8A%E5%A4%9A%E6%A8%A1%E6%80%81%E8%83%BD%E5%8A%9B%E6%8F%92%E8%BF%9BHermes%E7%9A%84%E5%AE%8C%E6%95%B4%E5%AE%9E%E6%B5%8B/index.html</guid><description>Qwen-MM-Plugins 到底怎么样：把多模态能力插进 Hermes 的完整实测 作者：x7peeps · 2026-08-14 全部数据来自本机真实实验：Mage-VL-8bit 本地视觉模型（M5 Max）+ deepseek-v4-flash 主模型 + Qwen-MM-Plugins core v1.0.2</description></item><item><title>多模态大模型技术栈：从 Vision-Language Model 到原生多模态架构的技术演进</title><link>https://blog.x7peeps.com/AI/01-LLM%E5%8E%9F%E7%90%86%E4%B8%8E%E5%B7%A5%E7%A8%8B/%E5%A4%9A%E6%A8%A1%E6%80%81%E5%A4%A7%E6%A8%A1%E5%9E%8B%E6%8A%80%E6%9C%AF%E6%A0%88%E4%BB%8EVision-Language-Model%E5%88%B0%E5%8E%9F%E7%94%9F%E5%A4%9A%E6%A8%A1%E6%80%81%E6%9E%B6%E6%9E%84%E7%9A%84%E6%8A%80%E6%9C%AF%E6%BC%94%E8%BF%9B/index.html</link><pubDate>Fri, 30 Oct 2026 14:47:30 +0800</pubDate><guid>https://blog.x7peeps.com/AI/01-LLM%E5%8E%9F%E7%90%86%E4%B8%8E%E5%B7%A5%E7%A8%8B/%E5%A4%9A%E6%A8%A1%E6%80%81%E5%A4%A7%E6%A8%A1%E5%9E%8B%E6%8A%80%E6%9C%AF%E6%A0%88%E4%BB%8EVision-Language-Model%E5%88%B0%E5%8E%9F%E7%94%9F%E5%A4%9A%E6%A8%A1%E6%80%81%E6%9E%B6%E6%9E%84%E7%9A%84%E6%8A%80%E6%9C%AF%E6%BC%94%E8%BF%9B/index.html</guid><description>多模态大模型技术栈：从 Vision-Language Model 到原生多模态架构的技术演进 多模态 AI 已从实验室中的"图像描述工具"演变为能够同时理解文本、图像、音频、视频的通用智能系统。2024 年 GPT-4o 的发布标志着一个分水岭——模型不再只是"看图说话"，而是从底层架构层面原生支持多种模态的联合训练与推理。到 2026 年，多模态能力已从"差异化优势"变成了"入场门票"，没有视觉理解能力的大模型几乎无法进入生产级应用场景。</description></item></channel></rss>